阿里云的“反差”2025：于無聲處尋找 ASI

作者 | 王一鵬

在 2025 年 9 月的云棲大會(huì)上，阿里巴巴集團(tuán) CEO 吳泳銘發(fā)表演講認(rèn)為實(shí)現(xiàn) AGI 是個(gè)確定性事件，實(shí)現(xiàn)全面超越人類的 ASI 才是終局。

ASI 的概念起源，通常會(huì)追溯到統(tǒng)計(jì)學(xué)家 / 密碼學(xué)家 I. J. Good 在 1965 年發(fā)表的文章： “Speculations Concerning the First Ultraintelligent Machine”，在性質(zhì)上更接近學(xué)術(shù)隨筆討論。因此，排除所有面向資本市場(chǎng)的敘事后，如何準(zhǔn)確理解 ASI ，某種程度上也決定了阿里云的去路和歸處。

吳泳銘認(rèn)為實(shí)現(xiàn) ASI，需要滿足兩大核心條件：

1. AI 能獲取真實(shí)世界的全量原始數(shù)據(jù)；

2. 實(shí)現(xiàn) “Self-learning（自主學(xué)習(xí)）”，即 AI 能為自身模型搭建訓(xùn)練基礎(chǔ)設(shè)施、優(yōu)化數(shù)據(jù)流程與升級(jí)架構(gòu)；

兩個(gè)條件的“基礎(chǔ)設(shè)施味”都很重，再結(jié)合阿里廣為人知的 3800 億投資計(jì)劃，導(dǎo)向已經(jīng)十分明顯：在一段時(shí)間內(nèi)，阿里云都會(huì)是企業(yè)在 AI 時(shí)代的“隱形”支撐者、賦能者和陪跑者。相比于平臺(tái)注冊(cè)數(shù)據(jù)、公有云 Token 調(diào)用數(shù)據(jù)……客戶數(shù)據(jù) + 基礎(chǔ)設(shè)施投產(chǎn)進(jìn)度，是阿里云業(yè)務(wù)發(fā)展更重要的 KPI。

據(jù) IDC 2025 年對(duì)中國(guó)公有云基礎(chǔ)設(shè)施市場(chǎng)的追蹤報(bào)告：阿里云在多個(gè)行業(yè)市場(chǎng)份額位列第一，典型市場(chǎng)包括金融行業(yè)占比 43%、汽車行業(yè)占比 40%、游戲行業(yè)占比 41%。

阿里最新財(cái)報(bào)則提到，在 2026 財(cái)年第二財(cái)季，云智能集團(tuán)累計(jì)收入 398.24 億元，同比增長(zhǎng) 34%，為歷史最佳表現(xiàn)。但整個(gè)阿里巴巴經(jīng)營(yíng)利潤(rùn)為 53.65 億元，同比下降 85%，主要?dú)w因于對(duì)即時(shí)零售、用戶體驗(yàn)以及科技的投入，其中所謂科技投入，特指云 + AI 基礎(chǔ)設(shè)施方面的支出。有信息指出，泰國(guó)、韓國(guó)、墨西哥等地新數(shù)據(jù)中心，都是阿里云在 2025 年開服。

從市場(chǎng)份額增長(zhǎng)到利潤(rùn)下降，二者之間的差值，或許就是尋找 ASI 的“路費(fèi)”。拋開資本市場(chǎng)不談，普通人很難理解這份“路費(fèi)”的價(jià)值與合理性，大家更樂于見到“Manus 式”的 C 端產(chǎn)品上岸故事，而不是一家云計(jì)算公司如何幫助成千上萬家實(shí)體企業(yè)做 AI 提效。

這也使得 2025 年的阿里云極具“反差感”：一方面，它是中國(guó)云計(jì)算市場(chǎng)的領(lǐng)頭羊，決計(jì)要做全球領(lǐng)先的人工智能服務(wù)商；另一方面，在最熱鬧的 AI 營(yíng)銷大戰(zhàn)中，它又似乎不那么性感。

1 阿里云的“反差感”之一： AI 不能只靠“熱鬧”賺錢

從 2025 年初到 2025 年底，國(guó)內(nèi)的 AI 熱度實(shí)際是由有限的幾個(gè) C 端應(yīng)用串聯(lián)而成的，包括了：DeepSeek、元寶、千問、豆包、夸克、螞蟻阿福等。而 AI 原生 App 的月活，在這些應(yīng)用的影響下，量級(jí)也來到了數(shù)以億計(jì)。剩下一部分公共注意力，則被具身智能包攬。

AI ToC 應(yīng)用的火爆，加速了 AI 的落地。

由于 C 端火熱，全民對(duì) AI 的前景抱有期待，讓企業(yè)內(nèi)部“要不要上 AI”更容易達(dá)成共識(shí)。此外大量 C 端產(chǎn)品的出現(xiàn)，造成了技術(shù)價(jià)值外溢，間接推動(dòng)提示詞工程、Agent 工作流、評(píng)測(cè)方法、開源工具帶入企業(yè)。

最后，20% 的頭部 ToC 產(chǎn)品瓜分了互聯(lián)網(wǎng) 80% 的流量，作為數(shù)字世界入口，它們把 AI 做成默認(rèn)功能，倒逼企業(yè)被動(dòng)升級(jí)對(duì)接與治理策略（尤其是權(quán)限、數(shù)據(jù)邊界、知識(shí)庫）。

應(yīng)該說，過去一年， AI ToC 實(shí)在太熱鬧了，以至于在 AI 時(shí)代，市場(chǎng)教育經(jīng)常是不需要的。

如果將這些 C 端產(chǎn)品的北極星指標(biāo)定為“用戶價(jià)值 x 增長(zhǎng)效率 x 商業(yè)化質(zhì)量”，前兩者看似已經(jīng)完成了，獨(dú)獨(dú)商業(yè)化質(zhì)量成為了“攔路虎”。

北美 AI ToC 類工具，無論是 Coding 工具，還是搜索工具，一般都是付費(fèi)訂閱的，最低檔通常為 20 美元 / 月。而國(guó)內(nèi)大部分 C 端 AI 工具，通常是免費(fèi)的，沒有訂閱收入。換句話說，“用戶愿付費(fèi)的核心場(chǎng)景”還沒找到。當(dāng) C 端競(jìng)爭(zhēng)主要集中在渠道和入口問題上，這種從“熱鬧”到“留存 / 付費(fèi)”的落差，成為了 2025 AI ToC 最大的結(jié)構(gòu)性矛盾。

AI 在 B 端的進(jìn)展，某種程度上要比 C 端的進(jìn)展更為順利。至少在業(yè)務(wù)的核心評(píng)估模型上，不存在明顯短板。AI ToB 領(lǐng)域以云模式、項(xiàng)目制 / 交付制為主，目標(biāo)主要包括：

1. Attach Rate（云掛載率，有多少項(xiàng)目最終綁定了云用量 / 云產(chǎn)品）

2. Time-to-Usage（從驗(yàn)收到產(chǎn)生穩(wěn)定用量的時(shí)間）

3. Post-GoLive 90 天用量達(dá)標(biāo)率（交付后 90 天，達(dá)到預(yù)期用量 / 調(diào)用量 / 活躍服務(wù)數(shù)的客戶占比）

4. 云側(cè) NRR（“某批上線客戶”半年后 / 一年后是否擴(kuò)張）

5. 項(xiàng)目對(duì)云的“單位獲客成本”

五大指標(biāo)在 AI 的牽引下，都已經(jīng)進(jìn)入自增長(zhǎng)軌道。

云計(jì)算的核心競(jìng)爭(zhēng)標(biāo)的是客群，這是阿里云的天然優(yōu)勢(shì)。

一方面，龐大且穩(wěn)定的客群將云變成了復(fù)利生意，是將 AI 業(yè)務(wù)收入越做越厚的基礎(chǔ)。另一方面，ToB 的關(guān)鍵在于需求驅(qū)動(dòng)，數(shù)以百萬計(jì)的客戶每天反饋的問題和需求，本身就是 ToB 企業(yè)最大的護(hù)城河。有足夠客群的企業(yè)，可以在工單中組裝未來演進(jìn)路線；沒有足夠客群的企業(yè)，只能靠猜和跟隨。

在 2025 年 12 月底的一場(chǎng)小規(guī)模溝通會(huì)中，阿里云智能集團(tuán)資深副總裁、公共云業(yè)務(wù)事業(yè)部總裁劉偉光表示，2025 年他拜訪了 146 個(gè)客戶，包括汽車主機(jī)廠、機(jī)器人、基礎(chǔ)大模型公司、金融、手機(jī)、AI 硬件、零售行業(yè)、在線教育、物流、制造業(yè)、醫(yī)療制藥、大型跨國(guó)企業(yè)、食品加工、漫劇短劇、畜牧業(yè)等，幾乎覆蓋了各行各業(yè)。

從拜訪結(jié)果來看，企業(yè)引入 AI 改善業(yè)務(wù)流程和產(chǎn)品的決心，要比 C 端消費(fèi)者購買一個(gè) AI 語音助手的決心要大得多。更關(guān)鍵的是，企業(yè)使用 AI 具有強(qiáng)連續(xù)性的。

在重工業(yè)制造領(lǐng)域，諸如 AI 顧問、設(shè)備維修助手、智能客服、財(cái)務(wù)助手、工藝標(biāo)準(zhǔn) AI 助手、試驗(yàn)在線助手這些新興事物正在形成的過程中，價(jià)值空間巨大。

在農(nóng)牧業(yè)，比如國(guó)內(nèi)兩家最大的龍頭集團(tuán)，已實(shí)現(xiàn)豬獸醫(yī)領(lǐng)域大模型"豬小新"、實(shí)現(xiàn)豬場(chǎng)豬只數(shù)量識(shí)別、豬死淘鑒定、后備豬篩選、豬異常行為識(shí)別等業(yè)務(wù)場(chǎng)景，通過體貌圖片等數(shù)據(jù)，實(shí)時(shí)獲取豬群健康信息，交由 AI 系統(tǒng)能夠在后臺(tái)快速完成初步診斷。即便是新手員工，也能憑借平臺(tái)系統(tǒng)輔助，像經(jīng)驗(yàn)豐富的養(yǎng)殖專家一樣快速判斷豬群的健康狀況，并及時(shí)處置指導(dǎo)，降低了對(duì)資深專家經(jīng)驗(yàn)的依賴。

在線教育行業(yè)，習(xí)題問答、作業(yè)批改都已經(jīng)是成熟場(chǎng)景，終端設(shè)備也從 ChatBot 過渡到學(xué)習(xí)機(jī)，甚至是智能教室這樣的立體解決方案。

金融行業(yè)仍然進(jìn)展最快的行業(yè)之一，在部分場(chǎng)景下，其技術(shù)產(chǎn)品的儲(chǔ)備速度，已經(jīng)不亞于國(guó)際同行。比如在車險(xiǎn)中，從前高度依賴人工的車輛定損和理賠，今天也正嘗試交由 AI 來完成。

整體來看，如果不考慮應(yīng)用深度、改造程度，僅從采用率口徑來看， AI 對(duì)各行業(yè)的滲透將是一個(gè)恐怖的數(shù)字。

以上共同鑄就了阿里云在 2025 年敘事的第一個(gè)“反差感”：盡管諸如 Kimi 這般廣為人知的模型是在阿里云上訓(xùn)練的，其核心定位仍然偏“幕后”和“服務(wù)”，是在推動(dòng)企業(yè)把 AI 寫進(jìn) KPI、寫進(jìn)工單、寫進(jìn)流程，最后寫進(jìn)預(yù)算。

而當(dāng) AI 開始從“有沒有用過”走向“每天必須用”，衡量方式就會(huì)變化：從下載量、DAU、Token 吞吐量，走向成本結(jié)構(gòu)與組織結(jié)構(gòu)的重估。

2 阿里云的“反差感”之二：流量邏輯失效

無論是下載量、DAU，還是 Token 吞吐量，本質(zhì)都是在復(fù)述流量邏輯，復(fù)述移動(dòng)互聯(lián)網(wǎng)時(shí)代的增長(zhǎng)規(guī)則。

在 AI 時(shí)代，尤其是 ToB 領(lǐng)域，這顯然不不合時(shí)宜。

尤其是 Token 的吞吐量，恐怕是 AI 時(shí)代集精準(zhǔn)、模糊于一身的最矛盾指標(biāo)。

一方面，Token 的吞吐量等同于模型用量；另一方面，所謂模型用量只是 MaaS 平臺(tái)上的模型調(diào)用，僅為全量市場(chǎng)的九牛一毛，且非價(jià)值單位，不能代表模型價(jià)值。

實(shí)際上，IDC 報(bào)告里的“中國(guó)公有云調(diào)用率”，這個(gè)定語本身就存在限制：大量 AI 使用根本不是調(diào)用公有云 MaaS API ，因此不可見。

而不可見的部分至少包括：

• 通過公共云租賃 GPU 部署模型（需要大規(guī)模部署特定領(lǐng)域模型的企業(yè)）；

• 采購 GPU 服務(wù)器進(jìn)行開源大模型私有化部署，創(chuàng)建私有化推理平臺(tái)內(nèi)部使用（金融、制造、能源等對(duì)數(shù)據(jù)外流高度敏感行業(yè)）；

• 汽車、具身智能等端側(cè)模型閉環(huán)（時(shí)延與隱私?jīng)Q定無法上云實(shí)時(shí)調(diào)用）；

• 模型蒸餾后的邊緣推理（云上訓(xùn)練、端側(cè)運(yùn)行，消費(fèi)不表現(xiàn)為 token）；

• 下載開源大模型在企業(yè)內(nèi)部使用（諸如 AirBnb 的模式）；

• 開源衍生模型的長(zhǎng)尾使用（下載、微調(diào)、再分發(fā)，統(tǒng)計(jì)口徑天然缺失）。

如果只按 MaaS 平臺(tái)上 Token 調(diào)用量去計(jì)量，開源生態(tài)里發(fā)生的微調(diào)、蒸餾與私域部署都會(huì)被系統(tǒng)性抹掉。僅 Qwen 系列模型，就已有 18 萬＋全球衍生模型和 全球 7 億 + 的模型下載量——這部分‘消費(fèi)’不以 Token 形式出現(xiàn)在公共統(tǒng)計(jì)數(shù)據(jù)里，卻已經(jīng)進(jìn)入企業(yè)內(nèi)部的實(shí)際生產(chǎn)環(huán)節(jié)。

概而言之，如果把全量的 AI token 比作一座冰山，MaaS 平臺(tái)上可統(tǒng)計(jì)的部分只是冰山露出水面的一角而已。

我們必須重置對(duì)企業(yè) AI 用量的認(rèn)知。

來自阿里云的數(shù)據(jù)顯示，截止到現(xiàn)在，在阿里云上調(diào)用 MaaS API 的客戶，與使用 GPU 的客戶重合度竟然達(dá)到 70%，這說明中國(guó)第一批深度擁抱 AI 的客戶在全方位的選擇不同的方式使用 AI 技術(shù)。

所以，一批正在形成“智能預(yù)算”的企業(yè)。他們既買 Token，也買算力——他們不是在做選擇題，而是在做場(chǎng)景分級(jí)：哪里需要公有云 Token，哪里必須結(jié)合自己數(shù)據(jù)進(jìn)行后訓(xùn)練，哪里要端側(cè)小模型，哪里值得自建“智能工廠”：

• 輕量場(chǎng)景用 API/MaaS：客服質(zhì)檢、內(nèi)容生成、企業(yè)知識(shí)庫問答、基礎(chǔ)辦公 Copilot、翻譯審核等，強(qiáng)調(diào)易用、快接入、低門檻。

• 中等復(fù)雜度場(chǎng)景做后訓(xùn)練：把業(yè)務(wù)規(guī)則、私域知識(shí)、歷史行為數(shù)據(jù)灌進(jìn)模型里，用微調(diào)、RAG、強(qiáng)化學(xué)習(xí)把“能用”推到“穩(wěn)定可用”。

• 重資產(chǎn)場(chǎng)景直接訓(xùn) / 蒸餾 / 端側(cè)部署：自動(dòng)駕駛、具身智能、攝像頭多模態(tài)理解、工業(yè)設(shè)備診斷等，強(qiáng)調(diào)時(shí)延、隱私、安全與閉環(huán)。

這也直接改變了對(duì)企業(yè)級(jí) AI 用量的統(tǒng)計(jì)算法： “公有云用量 + 專有云用量 + 開源衍生模型用量”不等于真實(shí)用量，三者存在很大的重疊部分。

另外一個(gè)問題是，模型越先進(jìn)，消耗的的高質(zhì)量 Token 其實(shí)越少。所謂 Token ROI ，對(duì)于深度使用 AI 的企業(yè)而言，是核心經(jīng)營(yíng)概念。雖然 Token 的單價(jià)下降了，但是 Agentic AI 興起后，一次調(diào)用產(chǎn)生的 Token 總數(shù)也被放大了。

因?yàn)?Token 單價(jià)會(huì)越來越便宜，所以刻意忽視企業(yè)在為更多低效 Token 而付費(fèi)的事實(shí)，頗有點(diǎn)掩耳盜鈴的味道。用“吞吐量”當(dāng)成唯一指標(biāo)，會(huì)把“高效智能模型”誤判成“低活躍”，把“嘮叨模型”誤判成“高消費(fèi)”。

這也是為什么阿里云不斷把敘事從“Token 工廠”拉回“AI 超級(jí)工廠”——后者強(qiáng)調(diào)的是全鏈路供給能力，而不是單一化的 Token 吞吐。模型能力，是背后價(jià)值兌現(xiàn)的關(guān)鍵。

2025 年 4 月底，阿里發(fā)布了 Qwen3，成為國(guó)內(nèi)首個(gè)“混合推理模型”，“快思考”與“慢思考”集成進(jìn)同一個(gè)模型，對(duì)簡(jiǎn)單需求可使用低算力“秒回”，對(duì)復(fù)雜問題可多步驟“深度思考”。 AIME25 測(cè)評(píng) 81.5 分，刷新開源紀(jì)錄；LiveCodeBench 評(píng)測(cè)超過 70 分，超過 Grok3； ArenaHard 測(cè)評(píng) 95.6 分超越 OpenAI-o1 及 DeepSeek-R1。

同時(shí)， 4 張 H20 即可部署 Qwen3 滿血版，顯存占用僅為性能相近模型的三分之一。開源版本豐富，包含 2 款 30B、235B 的 MoE 模型，以及 0.6B、1.7B、4B、8B、14B、32B 等 6 款稠密模型，每款模型均斬獲同尺寸開源模型 SOTA（最佳性能）。

開源是阿里云在模型競(jìng)爭(zhēng)力上最為關(guān)鍵的一步棋。這允許企業(yè)可以在不簽大合同、不押?jiǎn)我还?yīng)商的前提下先跑通 POC，這對(duì)中國(guó)企業(yè)尤其重要。

3 AI 價(jià)值錨點(diǎn)在 AI 原生市場(chǎng)、中國(guó)企業(yè)級(jí)市場(chǎng)和全球化

毋庸置疑，AI 原生企業(yè)天然地?fù)肀?AI，深度使用 AI，它們是中國(guó) AI 市場(chǎng)的“種子用戶”。

在阿里云的觀察里，除了 AI 原生企業(yè)，第一批深度擁抱 AI 的企業(yè)還往往具備以下共同特征：

• 數(shù)據(jù)治理相對(duì)成熟：Agent 上限取決于模型與數(shù)據(jù)質(zhì)量——這不是口號(hào)，而是工程現(xiàn)實(shí)。

• 業(yè)務(wù)流程重且連續(xù)：用量曲線更像復(fù)利而非潮汐。

• 對(duì)安全與合規(guī)敏感：這決定了“MaaS / 云上專有環(huán)境 VPC / 私有化部署 / 端側(cè)閉環(huán)”會(huì)長(zhǎng)期存在，市場(chǎng)不可能被一種形態(tài)吃掉。

這簡(jiǎn)直是對(duì)上云并能用好云的客戶的精準(zhǔn)側(cè)寫。

這意味著：阿里云如果要把“AI 超級(jí)工廠”的投入攤薄到足夠低的邊際成本，并把技術(shù)優(yōu)勢(shì)兌現(xiàn)為現(xiàn)金流，它必須走向更大的、付費(fèi)更堅(jiān)實(shí)的企業(yè)級(jí)市場(chǎng)。

這一輪中美 AI 競(jìng)爭(zhēng)的勝負(fù)手，就在于誰能用 AI 提升改造各自的支柱產(chǎn)業(yè)，帶來生產(chǎn)力的變革。

當(dāng)前，中國(guó) AI 的第一波市場(chǎng)聚焦在娛樂、陪聊等消費(fèi)端場(chǎng)景；從美國(guó) AI 市場(chǎng)發(fā)展看，SAP、Salesforce 等 SaaS 軟件對(duì) AI 大模型的調(diào)用量最大，其次是 AI 編程。

Open AI 和谷歌的報(bào)告也顯示，ChatGPT 和 Gemini 的企業(yè)客戶調(diào)用量遠(yuǎn)超 C 端個(gè)人用戶調(diào)用量。

所以，“領(lǐng)頭羊”阿里云想要做的是，讓 AI 深入到各行各業(yè)，用 AI 提升生產(chǎn)效率。

與此同時(shí)，當(dāng)中國(guó)的 AI 原生企業(yè)在海外遍地開花，當(dāng)中國(guó)的第一、第二及第三產(chǎn)業(yè)客戶紛紛出海，使得阿里云加速劍指全球化。

劉偉光表示， 2024–2025 ，中國(guó)企業(yè)的出海，不再只是把供應(yīng)鏈優(yōu)勢(shì)搬出去，而是把AI 能力當(dāng)作產(chǎn)品溢價(jià)的一部分：

• 新能源車出海：沒有智能化能力就很難維持差異化；

• 家電、照明、廚具等傳統(tǒng)硬件出海：正在被“自然語言對(duì)話 + 多模態(tài)理解”重新定義交互方式；

• 機(jī)器人、安防、攝像頭等品類出海：本質(zhì)上都需要端云協(xié)同的模型能力。

對(duì)阿里云來說，這類客戶天然會(huì)提出“海外部署”的硬需求：低時(shí)延、數(shù)據(jù)合規(guī)、跨區(qū)域運(yùn)維、彈性供給，以及在海外可用的模型服務(wù)與訓(xùn)練推理能力。也因此，2025 年阿里云在泰國(guó)、韓國(guó)、墨西哥等地新建數(shù)據(jù)中心的動(dòng)作，不只是“基建擴(kuò)張”，更像是在給下一輪 AI 應(yīng)用出海提前鋪路。

當(dāng)然，全球化競(jìng)爭(zhēng)，激烈程度遠(yuǎn)超國(guó)內(nèi)：

• 模型能力只是門票：語言、coding、多模態(tài)缺一不可。

• 工程化才決定可用性：穩(wěn)定性、時(shí)延、SLA、合規(guī)、跨區(qū)域交付能力，決定企業(yè)是否敢把核心流程交給你。

• 生態(tài)與接口決定滲透速度：當(dāng)軟件與工具鏈 MCP 化、API 化，云廠商能否把“可調(diào)用的能力”變成“可組合的系統(tǒng)”，決定了 Agent 落地的上限。

這也是為什么阿里云正在“把 3 萬多個(gè)產(chǎn)品的 API 服務(wù)全面做 MCP 化開放”。海外更像一個(gè)“標(biāo)準(zhǔn)件市場(chǎng)”，一旦你能用標(biāo)準(zhǔn)件快速交付，就能更快形成規(guī)模。

阿里云的 2025 可以被理解為一場(chǎng)“前置換軌”：

• 在國(guó)內(nèi)，它用開源與超級(jí)工廠體系抓住最先動(dòng)起來的 AI 企業(yè)，把 AI 從“試用”推向“連續(xù)使用”；

• 在海外，它需要把這套能力轉(zhuǎn)化為規(guī)模化商業(yè)閉環(huán)——不是為了講更大的故事，而是為了讓故事具備財(cái)務(wù)可持續(xù)性。

其核心在于：先把路修出來，再等車流出現(xiàn)。

“這十多年來，中國(guó)云計(jì)算市場(chǎng)各種概念曾層出不窮，價(jià)格戰(zhàn)屢見不鮮，但阿里云始終在牌桌上。如果用更長(zhǎng)的時(shí)間去穿越周期洞察未來，技術(shù)能力和技術(shù)布局的前瞻性永遠(yuǎn)是核心競(jìng)爭(zhēng)力。”劉偉光說。